論文の概要: Tackling air quality with SAPIENS
- arxiv url: http://arxiv.org/abs/2601.23215v1
- Date: Fri, 30 Jan 2026 17:41:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-02 18:28:15.589406
- Title: Tackling air quality with SAPIENS
- Title（参考訳）: SAPIENSによる空気質の調整
- Authors: Marcella Bona, Nathan Heatley, Jia-Chen Hua, Adriana Lara, Valeria Legaria-Santiago, Alberto Luviano Juarez, Fernando Moreno-Gomez, Jocelyn Richardson, Natan Vilchis, Xiwen Shirley Zheng,
- Abstract要約: 大気汚染は世界中の大都市で慢性的な問題である。
車両の交通は大気の質の悪さに大きく寄与していると認識されている。
本稿では,メキシコシティの交通データと汚染センサの詳細な測定結果について述べる。
- 参考スコア（独自算出の注目度）: 30.5491665195957
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Air pollution is a chronic problem in large cities worldwide and awareness is rising as the long-term health implications become clearer. Vehicular traffic has been identified as a major contributor to poor air quality. In a lot of cities the publicly available air quality measurements and forecasts are coarse-grained both in space and time. However, in general, real-time traffic intensity data is openly available in various forms and is fine-grained. In this paper, we present an in-depth study of pollution sensor measurements combined with traffic data from Mexico City. We analyse and model the relationship between traffic intensity and air quality with the aim to provide hyper-local, dynamic air quality forecasts. We developed an innovative method to represent traffic intensities by transforming simple colour-coded traffic maps into concentric ring-based descriptions, enabling improved characterisation of traffic conditions. Using Partial Least Squares Regression, we predict pollution levels based on these newly defined traffic intensities. The model was optimised with various training samples to achieve the best predictive performance and gain insights into the relationship between pollutants and traffic. The workflow we have designed is straightforward and adaptable to other contexts, like other cities beyond the specifics of our dataset.
- Abstract（参考訳）: 大気汚染は世界中の大都市で慢性的な問題であり、長期的な健康への影響がより明確になるにつれて、意識が高まっている。
車両の交通は大気の質の悪さに大きく寄与していると認識されている。
多くの都市では、空気の質の測定と予測は空間と時間の両方で粗い粒度になっている。
しかし、一般に、リアルタイムの交通強度データは様々な形で公開されており、きめ細かいものである。
本稿では,メキシコシティの交通データと大気汚染センサの詳細な測定結果について述べる。
我々は,超局所的,ダイナミックな空気質予測を提供することを目的として,交通強度と空気質の関係を分析し,モデル化する。
我々は,単純なカラー符号化された交通地図を同心円環記述に変換することで,交通の強度を表現する革新的な手法を開発し,交通条件のキャラクタリゼーションの改善を実現した。
部分最小方形回帰を用いて, 新たに定義された交通強度に基づいて, 汚染レベルを予測する。
このモデルは様々なトレーニングサンプルを用いて最適化され、最高の予測性能を達成し、汚染物質とトラフィックの関係についての洞察を得た。
私たちが設計したワークフローは、データセットの具体性を超えた他の都市のように、他のコンテキストに簡単に適応できます。
関連論文リスト
- IoT- and AI-informed urban air quality models for vehicle pollution monitoring [0.4893529843295925]
バルセロナのアイサンプル地区の道路交差点にパイロットを配置する。
このシステムは動的交通条件と環境変数を捕捉し、エッジで処理し、リアルタイムデータを高速コンピューティング(HPC)シミュレーションパイプラインに供給する。
大気中の二酸化窒素(NO2)の測定結果について検証した。
この研究は、都市汚染監視のためのスケーラブルで適応的でプライバシを重視したソリューションを示し、次世代のIoT駆動環境インテリジェンスの基礎を確立する。
論文 参考訳（メタデータ） (2025-10-31T18:47:16Z) - Deep Reinforcement Learning for Urban Air Quality Management: Multi-Objective Optimization of Pollution Mitigation Booth Placement in Metropolitan Environments [0.0]
都市大気汚染は、特にデリーのような人口密度が高く交通量の多い地域では、世界規模で懸念されている。
本研究では, 空気浄化ブースの設置を最適化するための新しい深層強化学習フレームワークを提案する。
我々は、最先端の強化学習アルゴリズムであるPPO(Proximal Policy Optimization)を反復的に学習し、高い影響のある場所を特定します。
論文 参考訳（メタデータ） (2025-05-01T17:19:48Z) - Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。
単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
論文 参考訳（メタデータ） (2025-01-07T03:23:28Z) - State estimation of urban air pollution with statistical, physical, and
super-learning graph models [0.0]
本稿では,問題を都市グラフに反映したさまざまな再構築手法を提案する。
私たちの戦略は、完全なデータ駆動、物理駆動、ハイブリッドに分類されます。
この手法の性能は、フランスのパリ中心部の都市で試験される。
論文 参考訳（メタデータ） (2024-02-05T08:42:39Z) - Uncertainty Quantification for Image-based Traffic Prediction across
Cities [63.136794104678025]
不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。
複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。
モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
論文 参考訳（メタデータ） (2023-08-11T13:35:52Z) - Towards better traffic volume estimation: Jointly addressing the
underdetermination and nonequilibrium problems with correlation-adaptive GNNs [47.18837782862979]
本稿では, 交通量推定に関する2つの重要な問題について考察する。(1) 未検出運動による交通流の過小評価, (2) 渋滞伝播による非平衡交通流。
上記の問題に対処するために,データ駆動型,モデルフリー,相関適応型アプローチをグラフベースで実現するディープラーニング手法を実証する。
論文 参考訳（メタデータ） (2023-03-10T02:22:33Z) - Predicting the traffic flux in the city of Valencia with Deep Learning [0.0]
都市内を流れる交通の流れに関する大量のデータにより、人工知能は、低エミッションゾーン政策に関連付けられているような排出削減対策を可能にするために、事前に十分なトラフィックフラックスを予測できるかどうかを検討する。
予測モデルを構築するには、世界で最も密集した都市であるバレンシア交通センサーシステムを使用します。
LSTMは, 実測データからパターンを抽出することにより, 交通フラックスの将来的な進化を予測することができることを示す。
論文 参考訳（メタデータ） (2022-10-04T14:19:06Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Conditional Generative Adversarial Networks to Model Urban Outdoor Air
Pollution [0.8122270502556374]
本稿では, 所定の分類に従って, 合成二酸化窒素の日時系列を生成できるモデルを訓練することを提案する。
提案手法は, 計算時間削減を必要としながら, 高精度で多彩な毎日の汚染時系列を生成することができる。
論文 参考訳（メタデータ） (2020-10-05T18:01:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。